如何在Anaconda的Jupyter Lab、Jupyter Notebook中运行可视化调试器及二者区别

前置依赖配置 #

如果使用Anaconda默认的base环境，调试所需依赖通常已预装完成，可直接跳过配置步骤；如果是自建的独立conda虚拟环境，需要打开Anaconda Prompt，在对应环境下执行如下命令补全组件：
conda install ipykernel debugpy
安装完成后关闭所有已打开的Jupyter页面，重新启动对应服务即可，无需额外安装第三方浏览器插件。

Jupyter Lab 调试器启动流程 #

• 打开任意.ipynb格式的笔记本文件，在右上角内核选择栏选定已完成依赖安装的Python环境
• 点击笔记本顶部工具栏的虫子形状调试图标（即参考截图中标注的功能按钮），呼出侧边调试面板
• 点击调试面板中的「Start Debugging」按钮，即可在代码行号区域点击设置断点，实现逐行执行、实时变量查看、调用栈追溯等标准IDE级调试能力
• 调试过程中无需手动在代码中插入打印语句，可直接在侧边面板查看当前作用域的所有变量取值、执行流程信息。

经典版Jupyter Notebook 调试器启动流程 #

• 首先通过Anaconda Prompt执行命令conda install nbclassic，确保经典Notebook的基础组件完整
• 打开笔记本文件后，在顶部菜单栏找到「Debug」选项，点击下拉菜单中的「Debugger: Start」即可启动调试
• 支持和Jupyter Lab一致的断点设置、逐行步进、变量实时查看能力，操作逻辑基本无差异。

• 界面交互逻辑差异
  经典Jupyter Notebook采用单文档静态布局，每个笔记本为独立标签页，无灵活的面板调整能力；Jupyter Lab采用多文档IDE式布局，可任意拖拽调整侧边栏位置、分栏同时打开多份笔记本、终端、文本文件，布局完全自定义。
• 功能覆盖范围差异
  Jupyter Lab内置文件管理、终端、可视化调试器、多格式文件预览（图片、CSV、Markdown、HTML）能力，无需零散安装插件即可覆盖大部分开发场景；经典Notebook核心功能较为单一，多数高级能力需要手动安装第三方扩展实现，兼容性维护成本较高。
• 开发体验差异
  Jupyter Lab支持单元格批量调整、常驻变量面板、交互式表格筛选、LaTeX实时渲染；经典Notebook的单元格渲染、交互能力受限，不支持面板化的实时变量查看，操作效率较低。
• 版本迭代状态差异
  Jupyter官方当前核心开发资源已全面倾斜至Jupyter Lab，经典Jupyter Notebook已进入维护模式，不再新增大型功能，后续所有可视化、调试类新特性都会优先在Jupyter Lab平台上线。

内容的提问来源于stack exchange，提问作者mero